Tesseract训练自定义字体时出现Empty Page!!错误的排查与解决

错误含义 #

Empty page!!错误表示Tesseract无法从输入的tif文件中识别到有效图像内容，或是图像/配套文件不符合训练要求，导致程序判定页面为空。

解决方法 #

• 检查tif文件有效性
  • 用图像查看器打开tif文件，确认文件未损坏、能正常显示清晰的文字内容。
  • 确保tif是单页图像，box.train命令不支持多页tif，若为多页需拆分出单页再使用。
• 核对box文件与tif文件的匹配性
  • 保证box文件名与tif文件名完全一致（含大小写），比如tif文件名为lang.font-name.exp0.tif，box文件必须是lang.font-name.exp0.box。
  • 用jTessBoxEditor重新打开tif和box文件，检查每个字符的框是否准确覆盖对应文字，避免出现坐标超出图像范围的无效框或空框。
• 调整图像参数
  • 确保图像分辨率不低于300DPI，过低分辨率会导致Tesseract无法识别内容。
  • 增强图像对比度：将图像转为灰度图，调整文字与背景的明暗差异，避免模糊、过暗或过亮的情况，处理后重新保存为tif格式。
• 修正命令参数
  • 你当前的命令存在参数错误，正确的box.train命令格式应为：

    tesseract lang.font-name.exp0.tif lang.font-name.exp0 nobatch box.train
    

    原命令中多写了一个box，这会导致程序解析错误，去掉后再执行。

内容的提问来源于stack exchange，提问作者mak47